AI coding

简介: AI正深刻改变编程模式,从需求梳理到上线全流程均可借助AI高效完成。作者已用AI工具独立开发并发布多款应用,实践涵盖方案选型、编码、测试与部署五步法,展现未来“人人皆可开发”的趋势。

今天看到公司发布的AI实践案例,确实挺不错的,AI coding慢慢的在我们工作中运用起来,这个并不是新鲜事了,很多企业都已经开始AI 编程的尝试。

在亚布力中国企业家论坛第24届年会上,金沙江创业投资主管合伙人丁健表示,人工智能时代,一个AI工程师可以取代掉40个、50个的编程工程师。未来只需要5%人就可以满足人类物质需要,因为其他全部AI给干了。

“埃隆·马斯克说,很多人问自己的孩子是不是在AI时代应该去学计算机,他说千万别去,第一个被取消掉的工作就是软件工程师”,丁健引述说,“大家觉得可能不可思议,但这就是今天在硅谷发生的事情”。

感觉离我们很远的事情,慢慢的变成了现实了,而且就发生在我们身边。

我自己也不断地实践AI coding。从Idea,到需求梳理、方案选型和确定、编码和自动化测试、最后上线发布。全过程使用AI 编程工具实现。已经完成了三款应用的开发和发布,包括AI大模型大全、Light Translate沉浸式翻译插件、下一代的博客系统等。感兴趣的可以查看以前的文章。
其中下一代的博客系统还没有对外发布,需要支持多租户登录和访问,目前自用为主,未来会提供给大家使用。

所有的需求都是源自自己的工作和学习的痛点,未来,我还会实现各种自己的想法。

image.png
image.png
image.png

我使用AI coding一般分五个步骤。
一是将Idea转换为需求,并将需求梳理出来,写出来。为什么要做这个应用,解决什么问题。将模糊的需求,一句话需求,拆解成步骤,越细越好。写出来了,需求就变得清晰了。而且在梳理和写的过程中,又会产生很多其他想法。只有能写出来的需求,才是能理解的需求。然而,你也可以将你写出来的需求,丢给AI大模型,AI也会对你的需求进行整理和完善。

二是方案选型和确定。针对梳理出来的需求,细化的需求,输入给各种AI大模型,比如元宝、deepseek。让它们给出对应的技术方案选型或实现方案。比如:我在做AI大模型网站用到的zeabur、supabase数据库。再比如富文本编辑器wangeditor、iconify前端图标库等等,就是AI大模型推荐的方案选型或插件工具。其实,很多东西别人都已经实现了,实践过了。以前只是不知道,现在有了AI强大的搜索能力,很多宝藏自然就被挖出来了。经过合理的方案选型,再去编码,会更高效。

三是AI编程。通过TREA创建项目、实现框架,叠加功能,最高效的方法是根据第一、二步的需求+方案选型,直接指导AI写代码。过程中你会遇到各种各样的问题,大部分问题,将问题直接丢给TREA或AI大模型都可以解决,但是有时候需要你去理解,甚至需要你找到解决方案,才能指导AI编程工具解决。现在的AI编程工具还没有那么牛逼,真的能根据用户的一两句需求,就能全自动编码实现。

四是单元测试。测试那就更简单了,直接通过AI根据代码逻辑实现对应的单元测试,非常快速简单,质量杠杠的,根本就不需要测试。未来测试必将被AI所取代,所有代码通过AI实现单元测试就行了,质量更高。我开发的所有AI应用接口都有单元测试。

五是上线发布。通过Zeabur实现上线发布非常简单,也非常方便。你直接告诉AI编程工具,“我要将该应用部署在Zeabur上”,AI编程工具自动生成对应的部署配置,包括依赖库、dockfile等文件。生成完直接上传到Zeabur完成部署即可。

随着AI编程能力的提升,未来要想实现自己的一个想法将非常高效。

根据华为最近发布的《智能世界2035》预测,人工智能的飞速发展,必将重塑现有的开发范式,改变人机交互模式,并催生更多新应用。比如:在软件开发领域,人类将更专注于系统架构与创新设计,而 AI Agent 则高效承担具体执行,开发范式迎来全新重构。建议大家好好研读一下这篇报告,含金量和干货都非常高。我有时间,也会对这篇报告进行一次总结。

相关文章
|
2月前
|
人工智能 IDE Java
AI Coding实践:CodeFuse + prompt 从系分到代码
在蚂蚁国际信贷业务系统建设过程中,技术团队始终面临双重考验:一方面需应对日益加速的需求迭代周期,满足严苛的代码质量规范与金融安全合规要求;另一方面,跨地域研发团队的协同效率与代码标准统一性,在传统开发模式下逐渐显现瓶颈。为突破效率制约、提升交付质量,我们积极探索人工智能辅助代码生成技术(AI Coding)的应用实践。本文基于蚂蚁国际信贷技术团队近期的实际项目经验,梳理AI辅助开发在金融级系统快速迭代场景中的实施要点并分享阶段性实践心得。
379 25
AI Coding实践:CodeFuse + prompt 从系分到代码
|
2月前
|
人工智能 安全
阿里巴巴 AI Coding 分享会 Qoder Together 杭州站诚邀你的参与!
Qoder Together ,不止技术分享,更是思维共振与灵感迸发。我们面向全球 AI Coding 爱好者,邀请 Qoder 团队、实战用户、AI Coding 探索者齐聚一堂,交流激发创意,碰撞拓展边界,重新定义智能编程未来。
195 0
|
5月前
|
机器学习/深度学习 人工智能 弹性计算
基于OpenAPI和AI coding的上云智能体构建实践
本文探讨了基于LLM和AI编程技术构建上云智能体的实践,提出通过人在回路中设计整体流程、LLM自主决策与执行的方式,有效减少幻觉并提升任务正确率。方案在多轮迭代中逐步生成代码,解决了API参数依赖等问题,并验证了三大核心设计理念的可行性。
基于OpenAPI和AI coding的上云智能体构建实践
|
3月前
|
存储 人工智能 安全
企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
通过 Sandbox 与 Serverless 的深度融合,AI Agent 不再是“黑盒”实验,而是可被企业精准掌控的生产力工具。这种架构不仅适配当前 AI Agent 的动态交互特性,更为未来多模态 Agent、跨系统协作等复杂场景提供了可复用的技术底座。若您的企业正面临 AI Agent 规模化落地的挑战,不妨从 Sandbox 架构入手,结合函数计算 FC 的能力,快速验证并构建安全、高效、可扩展的 AI 应用系统。
|
3月前
|
存储 人工智能 Serverless
企业级 AI Agent 开发指南:基于函数计算 FC Sandbox 方案实现类 Chat Coding AI Agent
本文深入解析AI Agent系统架构,特别是以Sandbox为核心的落地实践。聚焦泛Chat模式下AI应用的挑战与解决方案,涵盖会话亲和性、隔离性、存储机制、会话恢复、资源弹性等关键技术点,阿里云函数计算(FC)为 AI Agent 系统在企业中的落地实践提供实际解决方案,展示了如何高效、安全地构建可扩展的 AI 应用系统。
|
6月前
|
人工智能 运维 自然语言处理
技术思辨|AI Coding:经验壁垒正在失效,工具进化重塑编程
本文探讨AI Coding对传统研发模式的影响,总结5大变化趋势。AI虽降低技术门槛,但专业性并未消失,而是向更高维度转移,如问题定义与批判性思维。高效专注、可复用性及架构设计仍为核心,全栈开发与领域专家角色并存。测试与研发左移减少信息损耗,提升效率。那10%的核心技能包括长程规划、决策制定、创造性解决问题、协作沟通及持续学习能力,是AI时代开发者的关键竞争力。最后强调“老师傅”的经验依然重要,需转变价值体现方式以适应新时代需求。
技术思辨|AI Coding:经验壁垒正在失效,工具进化重塑编程
|
7月前
|
SQL 人工智能 自然语言处理
【爆肝实测】当AiPy遇上Vibe Coding:打工人的AI编程解放之路!
AiPy是一款基于“自然语言驱动+代码全自动生成”的免费Vibe Coding工具,重新定义编程方式。访问官网https://www.aipyaipy.com开启AI编程新体验!
|
10月前
|
人工智能 IDE 程序员
从 AI Coding 演进路径看通义灵码 AI 程序员的发布,让更多 idea 变成产品
从 AI Coding 演进路径看通义灵码 AI 程序员的发布,让更多 idea 变成产品

热门文章

最新文章